[发明专利]一种非局部变换域图像增强方法

权利要求书

1.一种非局部变换域图像增强方法，其包括如下步骤：

1)估计输入图像的噪声标准偏差σ；

2)通过K-近邻块抽取方法抽取K个图像块；

使抽取的所有图像块都有相似的平滑背景，但各图像块中的图像细节位置都存在一些差异，本申请称之为K-近邻块抽取；首先按照一定的滑动步长n_step，在图像中选取一个大小为n×n的参考图像块B_R，然后以B_R的左上角坐标为中心抽取K个大小也为n×n的图像块，使抽取的这些图像块的左上角坐标为B_R的左上角坐标的K-近邻。因为本申请要执行这K个图像块间的一个Haar矩阵变换，所以K应该为2的整数次幂，如8，16，32等。把抽取的图像块组成一个以块为元素的列向量B_E＝{B₁，B₂，B₃，...，B_K}^T；

3)对这些块构成的图像块组执行块间的Haar变换；

本申请给出一种基于所提出的块抽取特性的快速的块间的Haar变换；因为所抽取的图像块都是等大的，所以很容易用Haar变换矩阵的规则结构构造快速算法；

K＝2^j，(j＝3，4，...)个图像块表示为B_i，(i＝1，2，3，...，K)，比如，K＝8，用下面的公式实现完全的Haar变换，即3层变换：

B^E=ΨBE---(1)]]>

其中Ψ是Haar变换矩阵，B_E＝(B₁，B₂，...，B_K)^T是抽取的块构成的一个向量，是变换后各个子带构成的一个列向量。

通过计算式(1)中两个矩阵的乘积，B_E被分解成8个子带，其中是低频子带，其余的7个子带都为高频子带。

4)通过下面的非线性函数放大弱细节系数并同时抑制噪声：

Cen=Ct,if|Ct|>K1σγ·Ct,if|Ct|≤K1σ---(2)]]>

其中C_t是Haar变换系数，γ是一个增益因子用来放大弱细节系数，K₁和K₂两个常值参数，C_en是增强的系数；

对每一个变换子带先分别求出所有符号为正的系数值的和sum_P与符号为负的系数值的和sum_N，然后比较sum_P与-sum_N的大小，若sum_P＞-sum_N，则只放大符号为正的细节系数，反之则只放大符号为负的细节系数；

sumP(i)=Σj=1nΣk=1n(B^i(j,k)>0)---(3)]]>

sumN(i)=Σj=1nΣk=1n(B^i(j,k)<0)---(4)]]>

根据这种方法，对每一个高频子带中的系数将式(2)修改为：

if sum_P＞-sum_N，thenCen=Ct,if|Ct|>K1σγ·Ct,if0<Ct≤K1σCt,if-K1σ<Ct≤0---(5)]]>

或

if sum_P≤-sum_N，thenCen=Ct,if|Ct|>K1σCt,if0<Ct≤K1σγ·Ct,if-K1σ<Ct≤0---(6)]]>

5)执行块间的逆Haar变换；

由于Haar变换矩阵是一个可逆矩阵，因此能够通过下面的逆变换公式重构所有的图像块：

B^^E=Ψ-1B^E---(7)]]>

其中Ψ^-1表示变换矩阵Ψ的逆矩阵，为重构后的各图像块构成的列向量。

当完成一组图像块的上述操作后，将这组图像块四周补零得到与原始图像同样大小的图像，使得这个实际图像块的左上角在补零后的图像中的位置与在原始图像中的位置相同。对每一个像素位置计算像素个数，把这个位置的所有像素值求平均。完成所有参考块操作后用下面聚合公式得到输出图像

I^(x)=ΣB^^E∈IΣxm∈B^^EB^^E(x)ΣB^^E∈IΣxm∈B^^EχE(x),x∈I---(8)]]>

其中x_m是一个像素，χ_E是一个特征函数，它的作用是计算每个位置的像素个数。因为Haar变换是完全重构的，另外在聚合过程中总是计算每一个位置的像素的平均值，即在每一个位置的像素值都返回其原始值，所以最后的输出图像也是完全重构的；

6)聚合所有图像块得到增强的图像。